CN111398625B - 一种物理模型试验中的测速方法 - Google Patents

一种物理模型试验中的测速方法 Download PDF

Info

Publication number
CN111398625B
CN111398625B CN202010197715.6A CN202010197715A CN111398625B CN 111398625 B CN111398625 B CN 111398625B CN 202010197715 A CN202010197715 A CN 202010197715A CN 111398625 B CN111398625 B CN 111398625B
Authority
CN
China
Prior art keywords
camera
image
flow
chessboard
physical model
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010197715.6A
Other languages
English (en)
Other versions
CN111398625A (zh
Inventor
侯精明
杨露
李轩
杜颖恩
王添
白岗岗
黄绵松
马越
韩伟
陈光照
石宝山
杨少雄
王兴桦
周聂
韩浩
李丙尧
康永德
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xian University of Technology
Original Assignee
Xian University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xian University of Technology filed Critical Xian University of Technology
Priority to CN202010197715.6A priority Critical patent/CN111398625B/zh
Publication of CN111398625A publication Critical patent/CN111398625A/zh
Application granted granted Critical
Publication of CN111398625B publication Critical patent/CN111398625B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P5/00—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft
    • G01P5/18—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft by measuring the time taken to traverse a fixed distance
    • G01P5/22—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft by measuring the time taken to traverse a fixed distance using auto-correlation or cross-correlation detection means

Landscapes

  • Engineering & Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种物理模型试验中的测速方法，具体按照以下步骤实施：1、利用颜色便于分辨的的涂层将物理模型试验平台绘制成若干个相同尺寸的方格，以便于进行流速计算时对地形进行距离标定；2、选用2～3mm的碎纸片作为试验水流流速的示踪粒子，利用多个摄像头收集物理模型试验的水流表面流场的视频资料；3、将步骤2得到的视频资料提取成一系列图像；4、利用基于平面移动的棋盘标定方法对摄像头进行标定，求出摄像头的内外参数和畸变参数，根据得到的参数对提取的图像进行矫正，从而得到无畸变的图像；5、对4得到的一系列无畸变的图像采用自适应LSPIV方法进行流速计算。

Description

一种物理模型试验中的测速方法
技术领域
本发明属于物理模型试验测速技术领域，涉及一种物理模型试验中的测速方法。
背景技术
物理模型试验是研究水利工程问题常用的方法。在物理模型试验中，经常涉及到流量、水深和流速等多种水力参数的测量。其中，流速测量是水流的重要水力参数之一，而快速、准确的流场速度测量技术是水利工程研究的关键。
传统的物理模型试验中常利用接触式测速仪器，诸如，测流计，声学多普勒测速计，激光多普勒测速仪等。这些传统接触式测速仪只能得到单点流速或断面的瞬时流速，不仅费时、低效，而且具有很大的局限性，更别提灵活性和便捷性。雷达测速仪和基于图像的测速技术不但对测量的流场无干扰，还提高了水流流速的测量效率。但是，由于雷达测速仪需要额外的后端设备和复杂的程序来辅助测量流场速度，造成购买雷达测速仪的成本很高。在基于图像的测速技术中，粒子图像测速技术(PIV)和粒子跟踪技术(PTV)这两种传统的成像技术被广泛应用。限于视野范围，测量到的流场只有几平方厘米，很难满足更大尺度的流场测量。因此，常被应用于室内小尺度流体的测量。
为了满足室外物理模型试验或野外自然河流流速的测量，提出大尺度的粒子图像测速LSPIV技术以满足测量视场为几百平方米甚至更大尺度流速的测量要求。这种传统的LSPIV技术通常采用高速CCD相机或DV相机记录图像数据，在互相关算法中并未考虑低浓度示踪粒子对测量结果的影响，同时，在满足易安装易调节相机的条件下，利用单相机得到的视场范围还是有限，若采用更多台CCD相机覆盖整个大尺度的流场范围，成本也相对较高。
因此，急需一种低成本高效率的自动测量技术以满足我国众多大规模物理模型试验流速的测量需求。
发明内容
本发明的目的是提供一种物理模型试验中的测速方法，具有能够得到高效的瞬时速度或时均速度流场的可视化结果的优点。
本发明所采用的技术方案是，一种物理模型试验中的测速方法，具体按照以下步骤实施：
步骤1、利用颜色便于分辨的的涂层将物理模型试验平台绘制成若干个相同尺寸的方格，以便于进行流速计算时对地形进行距离标定；
步骤2、选用2～3mm的碎纸片作为试验水流流速的示踪粒子，利用多个摄像头收集物理模型试验的水流表面流场的视频资料；
步骤3、将步骤2得到的视频资料提取成一系列图像；
步骤4、利用基于平面移动的棋盘标定方法对摄像头进行标定，求出摄像头的内外参数和畸变参数，根据得到的参数对提取的图像进行矫正，从而得到无畸变的图像；
步骤5、对步骤4得到的一系列无畸变的图像采用自适应LSPIV方法进行流速计算。
本发明的特点还在于：
试验采用水泵供水，蝶阀控制流量，而且试验平台中设有压力传感器。
步骤1中颜色便于分辨的的涂层为有色油漆。
步骤2中摄像头安装于钢架上，且摄像头置于其照射区域中心位置的正上方，相邻摄像头照射区域之间有重叠区域，且重叠区域的宽度为步骤1中方格尺寸的1～1.5倍。
步骤3具体为，基于OpenCV开源数据库，利用C++语言编写程序将步骤2收集到的视频资料提取成一系列图像。
步骤4具体按照以下步骤实施：
步骤4.1、利用MATLAB制作一黑白相间的棋盘，将其打印出来粘贴在一个平面木板上制成棋盘板，作为标定物，棋盘大小根据摄像头拍摄的控制区域规模而定；
步骤4.2、在摄像头下调整棋盘板的方向，使摄像头采集棋盘板不同姿态的图像；
步骤4.3、基于OpenCV开源数据库，利用C++编写棋盘标定程序求出摄像头的内外参数和畸变参数。
步骤4.3具体包括以下步骤：
步骤4.3.1、设三维世界坐标为(XW,YW,ZW)，三维相机坐标点为(X,Y,Z)，图像的物理坐标点为(x,y)，图像像素的二维坐标点为(u,v)，世界坐标点通过旋转和平移变换转化为相机坐标点，即(X,Y,Z)＝<R|T>(XW,YW,ZW),R为旋转矩阵，T为平移向量；再由透视投影变换、缩放和平移变换最终转化为(u,v)，最终两坐标之间的转换公式为[u,v,1]＝M[XW,YW,ZW,1]，其中，M为两平面的单应性矩阵；
步骤4.3.2、根据世界坐标系下的已知角点，采用Harris角点检测法从图像中提取棋盘格角点，得到图像像素坐标系下的角点，得到两平面的单应性矩阵，即M＝K[R|T]，其中，R为旋转矩阵，T为平移向量，K为相机的内参矩阵，
Figure BDA0002418215990000041
矩阵中fcx，fcy为焦距fc在x,y方向上像素度量表示，(u0,v0)为图像主点坐标点；
步骤4.3.3、在估算理想无畸变的情况下，求得内参数fcx，fcy，u0，v0；
步骤4.3.4、利用最小二乘法估算径向畸变下的畸变系数，并通过泰勒级数展开式来校正：xc＝x(1+kc1r2+kc2r4+kc3r6)，yc＝y(1+kc1r2+kc2r4+kc3r6)，得到在忽略横向畸变情况下，摄像头实际存在径向畸变下的畸变系数kc1，kc2，kc3；
步骤4.3.5、利用最大似然估计进行优化，提升估计精度，假设拍摄了n张棋盘格图像，每张图像有m个角点，则第i幅图像上角点Mj在上述计算得到的摄像机矩阵下图像上的投影点为
Figure BDA0002418215990000042
其中，Ri和ti为第i幅图像对应的旋转矩阵和平移向量，K为内参数矩阵，构造的最大似然函数为
Figure BDA0002418215990000043
步骤4.3.6、利用多参数非线性系统优化问题的Levenberg-Marquardt算法进行迭代求最优解，即公式为
Figure BDA0002418215990000044
取值最小，mij为第i副图像上的角点。
步骤5具体包括以下步骤：
步骤5.1、利用地形绘制55cm*55cm的方格，将每个摄像头控制的区域进行地形距离标定；
步骤5.2、在对应的地形距离标定下，选择该摄像头拍摄的一系列无畸变图像水流的流动区域；
步骤5.3、在步骤5.2选出的畸变图像水流的流动区域中给出询问区域的尺寸，尺寸为32*32、64*64或128*128；
步骤5.4、通过应用窗口函数和频率滤波方法，迭代地调整各个询问区域的大小、形状和位置，以适应局部示踪粒子密度、流速和梯度，在迭代过程中，采用通用的离群点检测验证算法来防止离群点干扰迭代；
步骤5.5、利用互相关算法计算出相邻两幅图像搜索区域之间的示踪粒子的瞬时速度；
步骤5.6、将步骤5.5得到的一系列瞬时速度矢量图叠加成一张时均流速图；
步骤5.7、根据每个摄像头的地形距离标定结果，通过更改距离标定原点的坐标值，利用图像拼接处理，得到整个试验研究区域的水流表面的时均流速矢量图和时均流速云图。
本发明的有益效果是：本发明一种物理模型试验中的测速方法，采用简单易操作的棋盘标定法获得畸变参数，通过自适应的LSPIV自动得到大规模物理模型试验水流的表面流速，采用普通摄像头极大地节省成本的同时，又能得到大规模流场的可视流速矢量图以及云图，测量方法具有高效性。
附图说明
图1是本发明一种物理模型试验中的测速方法中对摄像头进行标定，矫正图像的流程图；
图2是通过本发明一种物理模型试验中的测速方法中矫正前后对比图；
图3是本发明一种物理模型试验中的测速方法中流速计算的流程图；
图4是本发明一种物理模型试验中的测速方法中流速计算的原理图；
图5是通过本发明一种物理模型试验中的测速方法得到的不同流量的流速云图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明一种物理模型试验中的测速方法，具体按照以下步骤实施：
步骤1，利用白色油漆将物理模型试验平台绘制成尺寸55cm*55cm的方格，以便于进行流速计算时对地形进行距离标定；
步骤2，采用具有400万像素，焦距为4mm的低成本监控摄像头以每秒25ps的速度拍摄试验过程，收集物理模型试验的水流表面流场的视频资料，摄像头的成像像素为2560*1440pix，根据物理模型试验研究区域的规模，确定摄像头的架设数量为11台，架设高度为3.8m；利用不锈钢架将摄像头固定在垂直于研究区域水流的正上方处，使摄像头镜头的正射水流表面，采用能够自动调整安装摄像头控制区域位置的铁片进行连接，该物理模型试验中摄像头控制区域之间重叠尺寸为55cm；
步骤3，基于OpenCV开源数据库，利用C++语言编写简单程序将步骤2收集到的视频资料提取成一系列的图像；
步骤4，利用一种基于平面移动的棋盘标定方法对摄像头进行标定，求出摄像头的内外参数和畸变参数，该标定参数使图像标定的平均误差约为0.5像素，然后，根据得到的相关参数对提取的图像进行批量矫正，从而得到无畸变的图像；利用一种基于平面移动的棋盘标定方法对摄像头进行标定具体按照以下步骤实施：
步骤4.1，利用MATLAB制作一黑白相间的棋盘，将其打印出来粘贴在一个平面木板上作为标定物，棋盘大小尺寸为A0打印，棋盘中每个方格尺寸为100mm，共有16*10个方格；
步骤4.2，通过在摄像头下调整棋盘板的方向，摄像头拍摄棋盘板不同姿态图像为33张；
步骤4.3，基于OpenCV开源数据库，利用C++编写的棋盘标定程序得到摄像头的内外参数和畸变参数，该程序首先根据世界坐标系下的已知角点，采用Harris角点检测法从图像中提取棋盘格角点，得到图像像素坐标系下的角点，可以得到两平面的单应性矩阵，即M＝K[R|T]；具体按照以下步骤实施：
步骤4.3.1，设三维世界坐标为(XW,YW,ZW)，三维相机坐标点为(X,Y,Z)，图像的物理坐标点为(x,y)，图像像素的二维坐标点为(u,v)，世界坐标点通过旋转和平移变换转化为相机坐标点，即(X,Y,Z)＝<R|T>(XW,YW,ZW),R为旋转矩阵，T为平移向量；再由透视投影变换、缩放和平移变换最终转化为(u,v)，最终两坐标之间的转换公式为[u,v,1]＝M[XW,YW,ZW,1]，其中，M为两平面的单应性矩阵；
步骤4.3.2，根据世界坐标系下的已知角点，采用Harris角点检测法从图像中提取棋盘格角点，得到图像像素坐标系下的角点，得到两平面的单应性矩阵，即M＝K[R|T]，其中，R为旋转矩阵，T为平移向量，K为相机的内参矩阵，
Figure BDA0002418215990000071
矩阵中fcx，fcy为焦距fc在x,y方向上像素度量表示，(u0,v0)为图像主点坐标点；
步骤4.3.3，在估算理想无畸变的情况下，求得内参数fcx，fcy，ccx，ccy；
步骤4.3.4，应用最小二乘法估算实际存在径向畸变下的畸变系数，通过泰勒级数展开式来校正：xc＝x(1+kc1r2+kc2r4+kc3r6)，yc＝y(1+kc1r2+kc2r4+kc3r6)，得到在忽略横向畸变情况下，摄像头实际存在径向畸变下的畸变系数kc1，kc2，kc3；
步骤4.3.5，利用最大似然估计进行优化，提升估计精度，这里拍摄了33张棋盘格图像，每张图像有135个角点，最终获得的最大似然估计公式为
Figure BDA0002418215990000081
步骤5，在物理模型试验中将碎纸片(尺寸为2～3mm)作为示踪粒子，并利用自适应LSPIV方法进行流速计算，对得到的一系列无畸变图像进行自适应互相关算法分析，从而得到物理模型试验中整个研究区域的瞬时流速或时均流速流场，以实现了流速的可视化，高效率性；具体按照以下步骤实施：
步骤5.1，利用地形绘制55cm*55cm的方格，将每个摄像头控制的研究区域进行地形距离标定；
步骤5.2，在对应的地形距离标定下，选择该摄像头拍摄的一系列无畸变图像水流的流动区域；
步骤5.3，在步骤5.2选出的畸变图像水流的流动区域中给出询问区域的尺寸，尺寸为32*32、64*64或128*128；
步骤5.4，通过应用窗口函数、频率滤波方法，迭代地调整各个询问区域的大小、形状和位置，以适应局部示踪粒子密度、流速和梯度，在迭代过程中，采用通用的离群点检测验证算法来防止离群点干扰迭代，本次试验询问区为64*64(cm*cm)，经过迭代优化得到询问区域为32*32(cm*cm)；
步骤5.5，在步骤5.4的基础上，利用互相关算法计算出相邻两幅图像搜索区域之间的示踪粒子的瞬时速度；
步骤5.6，在步骤5.5的基础上，将一系列瞬时速度矢量图叠加成一张时均流速图；
步骤5.7，根据每个摄像头的地形距离标定结果，通过更改距离标定原点的坐标值，利用图像拼接处理，得到整个试验研究区域的水流表面的时均流速矢量图和时均流速云图。
本物理试验利用水泵供水，蝶阀控制流量，并在物理实验平台中埋设压力传感器，以便于稳定水位，本次试验以恒定流量88.57m3/h(大流量)，68.87m3/h(中流量)和45.71m3/h(小流量)作为流量条件，以此来测量三种不同流量情况下的整个试验平台的流速。
根据不同的恒定流量条件，得到图5的速度云图，其中图5a为45.71m3/h(小流量)试验平台速度云图，图5b为68.87m3/h(中流量)试验平台速度云图，图5c为88.57m3/h(大流量)试验平台速度云图，由图5a，图5b和图5c三种流量图可以看出，得到的速度云图可以清楚具体的反映出整个试验平台的速度分布情况。

Claims (5)

1.一种物理模型试验中的测速方法，其特征在于，具体按照以下步骤实施：
步骤1、利用颜色便于分辨的的涂层将物理模型试验平台绘制成若干个相同尺寸的方格，以便于进行流速计算时对地形进行距离标定；
步骤2、选用2～3mm的碎纸片作为试验水流流速的示踪粒子，利用多个摄像头收集物理模型试验的水流表面流场的视频资料；
步骤3、将步骤2得到的视频资料提取成一系列图像；
步骤4、利用基于平面移动的棋盘标定方法对摄像头进行标定，求出摄像头的内外参数和畸变参数，根据得到的参数对提取的图像进行矫正，从而得到无畸变的图像；具体按照以下步骤实施：
步骤4.1、利用MATLAB制作一黑白相间的棋盘，将其打印出来粘贴在一个平面木板上制成棋盘板，作为标定物，棋盘大小根据摄像头拍摄的控制区域规模而定；
步骤4.2、在摄像头下调整棋盘板的方向，使摄像头采集棋盘板不同姿态的图像；
步骤4.3、基于OpenCV开源数据库，利用C++编写棋盘标定程序求出摄像头的内外参数和畸变参数；4.3具体包括以下步骤：
步骤4.3.1、设三维世界坐标为(XW,YW,ZW)，三维相机坐标点为(X,Y,Z)，图像的物理坐标点为(x,y)，图像像素的二维坐标点为(u,v)，世界坐标点通过旋转和平移变换转化为相机坐标点，即(X,Y,Z)＝<R|T>(XW,YW,ZW),R为旋转矩阵,T为平移向量；再由透视投影变换、缩放和平移变换最终转化为(u,v)，最终两坐标之间的转换公式为[u,v,1]＝M[XW,YW,ZW,1]，其中，M为两平面的单应性矩阵；
步骤4.3.2、根据世界坐标系下的已知角点，采用Harris角点检测法从图像中提取棋盘格角点，得到图像像素坐标系下的角点，得到两平面的单应性矩阵，即M＝K[R|T]，其中，R为旋转矩阵，T为平移向量，K为相机的内参矩阵，
Figure FDA0003403649180000021
矩阵中fcx，fcy为焦距fc在x,y方向上像素度量表示，(u0,v0)为图像主点坐标点；
步骤4.3.3、在估算理想无畸变的情况下，求得内参数fcx，fcy，u0，v0；
步骤4.3.4、利用最小二乘法估算径向畸变下的畸变系数，并通过泰勒级数展开式来校正：xc＝x(1+kc1r2+kc2r4+kc3r6)，yc＝y(1+kc1r2+kc2r4+kc3r6)，得到在忽略横向畸变情况下，摄像头实际存在径向畸变下的畸变系数kc1，kc2，kc3；
步骤4.3.5、利用最大似然估计进行优化，提升估计精度，设拍摄n张棋盘格图像，每张图像有m个角点，则第i幅图像上角点Mj在上述计算得到的摄像机矩阵下图像上的投影点为
Figure FDA0003403649180000022
其中，Ri和ti为第i幅图像对应的旋转矩阵和平移向量，K为内参数矩阵，构造的最大似然函数为
Figure FDA0003403649180000023
步骤4.3.6、利用多参数非线性系统优化问题的Levenberg-Marquardt算法进行迭代求最优解，即公式为
Figure FDA0003403649180000024
取值最小，mij为第i幅图像上的角点；
步骤5、对步骤4得到的一系列无畸变的图像采用自适应LSPIV方法进行流速计算，具体包括以下步骤：
步骤5.1、利用地形绘制55cm*55cm的方格，将每个摄像头控制的区域进行地形距离标定；
步骤5.2、在对应的地形距离标定下，选择该摄像头拍摄的一系列无畸变图像水流的流动区域；
步骤5.3、在步骤5.2选出的畸变图像水流的流动区域中给出询问区域的尺寸，尺寸为32*32、64*64或128*128；
步骤5.4、通过应用窗口函数和频率滤波方法，迭代地调整各个询问区域的大小、形状和位置，以适应局部示踪粒子密度、流速和梯度，在迭代过程中，采用通用的离群点检测验证算法来防止离群点干扰迭代；
步骤5.5、利用互相关算法计算出相邻两幅图像搜索区域之间的示踪粒子的瞬时速度；
步骤5.6、将步骤5.5得到的一系列瞬时速度矢量图叠加成一张时均流速图；
步骤5.7、根据每个摄像头的地形距离标定结果，通过更改距离标定原点的坐标值，利用图像拼接处理，得到整个试验研究区域的水流表面的时均流速矢量图和时均流速云图。
2.根据权利要求1所述的一种物理模型试验中的测速方法，其特征在于，试验采用水泵供水，蝶阀控制流量，而且试验平台中设有压力传感器。
3.根据权利要求1所述的一种物理模型试验中的测速方法，其特征在于，所述步骤1中颜色便于分辨的的涂层为有色油漆。
4.根据权利要求1所述的一种物理模型试验中的测速方法，其特征在于，所述步骤2中摄像头安装于钢架上，且摄像头置于其照射区域中心位置的正上方，相邻摄像头照射区域之间有重叠区域，且重叠区域的宽度为步骤1中方格尺寸的1-1.5倍。
5.根据权利要求1所述的一种物理模型试验中的测速方法，其特征在于，所述步骤3具体为，基于OpenCV开源数据库，利用C++语言编写程序将步骤2收集到的视频资料提取成一系列图像。
CN202010197715.6A 2020-03-19 2020-03-19 一种物理模型试验中的测速方法 Active CN111398625B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010197715.6A CN111398625B (zh) 2020-03-19 2020-03-19 一种物理模型试验中的测速方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010197715.6A CN111398625B (zh) 2020-03-19 2020-03-19 一种物理模型试验中的测速方法

Publications (2)

Publication Number Publication Date
CN111398625A CN111398625A (zh) 2020-07-10
CN111398625B true CN111398625B (zh) 2022-04-12

Family

ID=71428972

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010197715.6A Active CN111398625B (zh) 2020-03-19 2020-03-19 一种物理模型试验中的测速方法

Country Status (1)

Country Link
CN (1) CN111398625B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116222676B (zh) * 2023-05-08 2023-07-28 成都赐华科技有限公司 精准定位的毫米波水流量监测方法及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5491642A (en) * 1993-12-03 1996-02-13 United Technologies Corporation CCD based particle image direction and zero velocity resolver
CN101629966A (zh) * 2009-08-18 2010-01-20 清华大学深圳研究生院 粒子图像测速处理方法
CN101673397A (zh) * 2009-09-30 2010-03-17 青岛大学 一种基于lcd的数码相机非线性标定方法
CN103604947A (zh) * 2013-11-28 2014-02-26 华中科技大学 一种时间分辨率自适应调整的流场状态测量方法
CN103698553A (zh) * 2013-12-26 2014-04-02 天津大学 基于红外摄像的新型表面流场测速系统和测速方法
CN104215795A (zh) * 2014-09-29 2014-12-17 南京昊控软件技术有限公司 基于昊控表面流场计算算法的大尺度粒子图像测速方法
CN106023097A (zh) * 2016-05-11 2016-10-12 华中科技大学 一种基于迭代法的流场图像预处理算法
CN107085852A (zh) * 2017-04-01 2017-08-22 南昌大学 一种基于无人机航拍的河道表面流场测试方法
CN107462397A (zh) * 2017-08-14 2017-12-12 水利部交通运输部国家能源局南京水利科学研究院 一种湖区超大范围表面流场测量方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008075061A2 (en) * 2006-12-20 2008-06-26 Mitsubishi Electric Information Technology Centre Europe B.V. Multiple image registration apparatus and method
CN103605637B (zh) * 2013-11-28 2017-02-08 华中科技大学 一种空间分辨率自适应调整的粒子图像测速矢量估计方法
CN103793924A (zh) * 2014-01-28 2014-05-14 河海大学 一种基于fht-cc的流场图像自适应运动矢量估计方法
CN109612682A (zh) * 2018-12-24 2019-04-12 上海理工大学 一种基于piv的缩尺模型内的射流运动测量装置

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5491642A (en) * 1993-12-03 1996-02-13 United Technologies Corporation CCD based particle image direction and zero velocity resolver
CN101629966A (zh) * 2009-08-18 2010-01-20 清华大学深圳研究生院 粒子图像测速处理方法
CN101673397A (zh) * 2009-09-30 2010-03-17 青岛大学 一种基于lcd的数码相机非线性标定方法
CN103604947A (zh) * 2013-11-28 2014-02-26 华中科技大学 一种时间分辨率自适应调整的流场状态测量方法
CN103698553A (zh) * 2013-12-26 2014-04-02 天津大学 基于红外摄像的新型表面流场测速系统和测速方法
CN104215795A (zh) * 2014-09-29 2014-12-17 南京昊控软件技术有限公司 基于昊控表面流场计算算法的大尺度粒子图像测速方法
CN106023097A (zh) * 2016-05-11 2016-10-12 华中科技大学 一种基于迭代法的流场图像预处理算法
CN107085852A (zh) * 2017-04-01 2017-08-22 南昌大学 一种基于无人机航拍的河道表面流场测试方法
CN107462397A (zh) * 2017-08-14 2017-12-12 水利部交通运输部国家能源局南京水利科学研究院 一种湖区超大范围表面流场测量方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
《An adaptive sampling and windowing interrogation method in PIV》;Theunissen R等;《Measurement Science and Technology》;20060131;第18卷(第1期);第276页第1节 *
《Large-scale particle tracking velocimetry with multi-channel CCD cameras》;Dan-xun LI等;《International Journal of Sediment Research》;20130131;第28卷(第1期);第104页第2.2节及图1 *
《基于自适应窗和Hartley变换的河工模型PIV测速》;喻恒等;《计算机研究新进展（2010）-河南省计算机学会2010年学术年会论文集》;20101111;第74页最后一段及第75页第2节 *
《宽视场高频PIV技术在明渠流中的应用》;陈启刚等;《水利量测技术论文选集（第十集）》;20161231;第74页第2节 *

Also Published As

Publication number Publication date
CN111398625A (zh) 2020-07-10

Similar Documents

Publication Publication Date Title
CN104331896B (zh) 一种基于深度信息的系统标定方法
KR101996992B1 (ko) 옵티컬 플로우 영상 처리를 이용하는 하천 유속 측정 장치 및 방법
CN104981105B (zh) 一种快速精确获得元件中心和偏转角度的检测及纠偏方法
CN103971406B (zh) 基于线结构光的水下目标三维重建方法
CN101814185B (zh) 用于微小尺寸测量的线结构光视觉传感器标定方法
Ettema et al. Particle-image velocimetry for whole-field measurement of ice velocities
CN103996171B (zh) 基于时空图像的流体运动矢量估计方法
CN106097348A (zh) 一种三维激光点云与二维图像的融合方法
KR102523451B1 (ko) 드론 영상 기반의 하천 유속 측정을 위한 장치 및 방법
CN105157609A (zh) 基于两组相机的大型零件全局形貌测量方法
CN109559348A (zh) 一种基于特征点追踪的桥梁非接触式变形测量方法
KR101305305B1 (ko) 시공간 영상의 상관 분석을 이용한 표면 유속 측정 시스템 및 방법
CN106996748A (zh) 一种基于双目视觉的轮径测量方法
CN106971408A (zh) 一种基于时空转换思想的摄像机标定方法
CN112862898B (zh) 一种基于计算机视觉的流速测定方法
CN113390514B (zh) 一种基于多传感器阵列的三维红外温度测量方法
CN114200442B (zh) 一种基于毫米波雷达和视觉的道路目标检测与关联方法
CN111398625B (zh) 一种物理模型试验中的测速方法
CN109900331A (zh) 基于深度相机特征跟踪的河流流量在线检测方法
CN116844147A (zh) 一种基于深度学习的指针式仪表识别和异常警报方法
CN115201883A (zh) 一种运动目标视频定位测速系统及方法
CN102999895B (zh) 利用两个同心圆线性求解摄像机内参数
CN116878748A (zh) 一种激光与图像融合的智能气体泄漏定位方法及装置
CN103793924A (zh) 一种基于fht-cc的流场图像自适应运动矢量估计方法
CN113850868B (zh) 一种波浪爬高图像识别方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant